-
公开(公告)号：CN112132059A
公开(公告)日：2020-12-25
申请号：CN202011020822.8
申请日：2020-09-25
Applicant: 中南民族大学
Abstract: 本发明公开了一种基于深度条件随机场的行人重识别方法，包括：获取行人重识别数据集，从行人重识别数据集中获取K个行人中每个行人对应的所有行人图片，针对K个行人中的每一个行人而言，从其对应的行人图片中任意获取一张行人图片作为目标行人图片，从其对应的行人图片中获取N张除目标行人图片之外的行人图片构成该行人对应的正样本图片集合，从行人重识别数据集中获取M张不与该行人对应的行人图片构成该行人对应的负样本图片集合，所有1+M+N张行人图片共同构成该行人对应的图片组。本发明能够解决现有图模型的行人重识别方法存在的行人重识别准确率低、图模型参数求解困难的技术问题。
-
公开(公告)号：CN111814626A
公开(公告)日：2020-10-23
申请号：CN202010607626.4
申请日：2020-06-29
Applicant: 中南民族大学
Abstract: 本发明公开了一种基于自注意力机制的动态手势识别方法，包括：获取视频图像序列，对该视频图像序列进行采样，以获取多个网络输入数据，将获得的多个网络输入数据中的所有RGB模态数据输入到训练好的第一神经网络模型中。本发明采用多模输入策略来描述动态手势的发生过程，并且利用非局部信息统计的空间自注意力机制计算出特征图上任意距离的两个元素之间的依赖关系，进而直接获取整个特征图上全局信息对任意元素的影响。这种方式不仅不会丢失细节信息，而且拥有计算效率高、可迁移能力强等优点，并能解决现有的动态手势识别算法中存在的时间资源、计算资源消耗大、缺少对手势发生的关键区域的突出以及非关键区域的抑制等技术问题。
-
公开(公告)号：CN109214282B
公开(公告)日：2019-04-26
申请号：CN201810860857.9
申请日：2018-08-01
Applicant: 中南民族大学
Abstract: 本发明公开了一种基于神经网络的三维手势关键点检测方法，包括以下步骤：获取包含手势区域信息与手势二维、三维关键点位置信息的手势数据集；训练手势分割网络，该网络以包含手势的RGB图像为输入，可以检测出RGB图像中的手势区域；对手势分割网络检测出的手势区域进行截取、上采样或下采样；训练二维手势关键点检测网络，该网络可以检测出手势区域图像中的多个二维手势关键点；将三维手势关键点的绝对坐标转换为相对坐标；训练二维到三维的手势关键点映射网络，该网络可以将多个二维手势关键点映射到三维空间中，形成三维手势关键点。本发明能够快速有效的从包含手势的RGB图像中准确检测出三维手势关键点。
-
公开(公告)号：CN109190461B
公开(公告)日：2019-04-26
申请号：CN201810811365.0
申请日：2018-07-23
Applicant: 中南民族大学
Abstract: 本发明公开了一种基于手势关键点的动态手势识别方法和系统，建模手势姿态的时空结构统计特性，构建过程包括以下步骤：在获取图像中的手势关键点后，利用帧间差分法，取前后几帧的对应手势关键点的位置坐标差，得到当前手势的时域特征；再选取当前图像中任意三个手势关键点的位置坐标，计算其构成的两个向量的夹角，得到当前手势的空域特征；将上述时域、空域特征级联得到中间特征利用K‑means算法对数据集中所有特征进行特征降维，得到一定数量的聚类中心；最后再以手势动作图像序列为单位，构建以聚类中心编号为横轴，各聚类中心权重为纵轴的动态手势时空域特征直方图。本发明能够有效的提高动态手势识别的准确率。
-
公开(公告)号：CN109214282A
公开(公告)日：2019-01-15
申请号：CN201810860857.9
申请日：2018-08-01
Applicant: 中南民族大学
Abstract: 本发明公开了一种基于神经网络的三维手势关键点检测方法，包括以下步骤：获取包含手势区域信息与手势二维、三维关键点位置信息的手势数据集；训练手势分割网络，该网络以包含手势的RGB图像为输入，可以检测出RGB图像中的手势区域；对手势分割网络检测出的手势区域进行截取、上采样或下采样；训练二维手势关键点检测网络，该网络可以检测出手势区域图像中的多个二维手势关键点；将三维手势关键点的绝对坐标转换为相对坐标；训练二维到三维的手势关键点映射网络，该网络可以将多个二维手势关键点映射到三维空间中，形成三维手势关键点。本发明能够快速有效的从包含手势的RGB图像中准确检测出三维手势关键点。
-
Patent Agency Ranking
公开(公告)号：CN111862156B
公开(公告)日：2021-02-26
申请号：CN202010689629.7
申请日：2020-07-17
Applicant: 中南民族大学
IPC: G06T7/246 , G06K9/00 , G06F16/901 , G06N3/04
Abstract: 本发明公开了一种基于图匹配的在线多目标跟踪算法，将连续两帧之间检测响应的数据关联问题转化为图匹配问题。首先设计了两个深度卷积神经网络分别求解两个图顶点之间的亲密度和两个图边之间的亲密度，然后直接使用顶点之间的亲密度和边之间的亲密度填充两个图之间的亲密度矩阵，最后对亲密度矩阵进行处理得到最终匹配矩阵(即检测之间的关联矩阵)。因此，本发明能够有效体现多目标跟踪过程中真实数据的相关性，跟踪结果的准确性高。
-
公开(公告)号：CN111862156A
公开(公告)日：2020-10-30
申请号：CN202010689629.7
申请日：2020-07-17
Applicant: 中南民族大学
IPC: G06T7/246 , G06K9/00 , G06F16/901 , G06N3/04
Abstract: 本发明公开了一种基于图匹配的在线多目标跟踪算法，将连续两帧之间检测响应的数据关联问题转化为图匹配问题。首先设计了两个深度卷积神经网络分别求解两个图顶点之间的亲密度和两个图边之间的亲密度，然后直接使用顶点之间的亲密度和边之间的亲密度填充两个图之间的亲密度矩阵，最后对亲密度矩阵进行处理得到最终匹配矩阵(即检测之间的关联矩阵)。因此，本发明能够有效体现多目标跟踪过程中真实数据的相关性，跟踪结果的准确性高。
-
公开(公告)号：CN110047096B
公开(公告)日：2019-11-22
申请号：CN201910348058.8
申请日：2019-04-28
Applicant: 中南民族大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于深度条件随机场模型的多目标跟踪方法，包括：获取多目标跟踪数据集，对输入视频序列的所有帧中任意两个连续帧的检测响应进行数据关联，以得到轨迹片，根据得到的轨迹片集合中任意两个轨迹片之间的时间关系生成顶点，计算顶点集合中每个顶点对应的两个轨迹片之间的匹配度，根据顶点集合中任意两个顶点之间的时间关系和位置关系确定困难顶点对集合，获取得到的困难顶点对集合中每个困难顶点对的外观特征和位置信息，将该困难顶点对的外观特征和运动特征组合成困难顶点对特征向量，将每个困难顶点对特征向量输入LSTM网络。本发明能够有效体现多目标跟踪过程中真实数据的相关性，跟踪结果的准确性高。
-
公开(公告)号：CN103942531B
公开(公告)日：2017-03-29
申请号：CN201410079648.2
申请日：2014-03-06
Applicant: 中南民族大学
Abstract: 本发明公开了一种人脸识别系统及其方法，涉及模式识别技术领域。本系统由图像子空间低秩恢复模块（101）、第1图像分块模块（102）、第2图像分块模块（103）、图像间相似度估计模块104）、第1特征降维模块（105）、第2特征降维模块（106）和稀疏编码表示与识别模块（107）组成。本发明采用子空间恢复技术去除训练图像中存在的干扰成分，增强了训练图像的判别能力；采用基于分块的最大相似度提取技术，提升了提取的相似性信息的可靠性；采用基于分块最大相似性的嵌入稀疏编码，改善了在低维特征选取时稀疏编码的稳定性；本发明适用于存在连续遮挡的人脸图像识别，可有效提高在低维特征选取时的识别率，降低识别系统的复杂度。
-
公开(公告)号：CN104298748A
公开(公告)日：2015-01-21
申请号：CN201410539700.8
申请日：2014-10-13
Applicant: 中南民族大学
CPC classification number: G06F17/30793
Abstract: 本发明涉及人脸检索技术，具体为一种用于视频中人脸检索的装置及方法，包括预处理模块、人脸检测模块、人脸提取模块、人脸识别模块、人脸索引关联模块分别与系统总线模块连接；系统总线模块再与数据接口模块连接，数据接口模块与显示模块连接。获取标准视频数据进行预处理，对预处理数据进行人脸检测，对关键帧进行人脸识别算法，获得相关人脸信息，将提取和识别的人脸图像进行归档，并对归档图像与其出现在视频中的起止时间进行关联。本发明的装置及方法，有效的解决了海量视频监控数据下，快速准确地对带有特定人脸信息的目标视频进行浏览和回放的问题。减轻了工作人员的工作量，减少操作时间，提高了工作效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.031 seconds)
